การจำลองแบบมอนติคาร์โลเป็นแบบจำลองทางคณิตศาสตร์สำหรับการคำนวณความน่าจะเป็นของผลลัพธ์ที่เฉพาะเจาะจงโดยการทดสอบแบบสุ่มหรือการสุ่มตัวอย่างสถานการณ์และตัวแปรที่หลากหลาย ครั้งแรกที่ใช้โดย Stanilaw Ulam นักคณิตศาสตร์ที่ทำงานในโครงการแมนฮัตตันในช่วงสงครามโลกครั้งที่สองสถานการณ์จำลองทำให้นักวิเคราะห์มีหนทางในการตัดสินใจที่ยากลำบากและแก้ปัญหาที่ซับซ้อนซึ่งมีความไม่แน่นอนหลายด้าน การตั้งชื่อตามรีสอร์ทที่มีคาสิโนในโมนาโกการจำลอง Monte Carlo ใช้ข้อมูลทางสถิติในอดีตเพื่อสร้างผลลัพธ์ทางการเงินที่แตกต่างกันหลายล้านรายการโดยการสุ่มใส่ส่วนประกอบในการทำงานแต่ละครั้งที่สามารถมีอิทธิพลต่อผลลัพธ์สุดท้ายเช่นผลตอบแทนบัญชีความผันผวน เมื่อกำหนดสถานการณ์แล้ววิธีการคำนวณอัตราต่อรองของการเข้าถึงผลลัพธ์ที่เฉพาะเจาะจง ต่างจากการวิเคราะห์การวางแผนทางการเงินมาตรฐานที่ใช้ค่าเฉลี่ยระยะยาวและการประเมินการเติบโตหรือการออมในอนาคตการจำลอง Monte Carlo ที่มีอยู่ในซอฟต์แวร์และเว็บแอพพลิเคชั่นสามารถให้วิธีการจัดการตัวแปรที่เหมือนจริงมากขึ้น
วิธีการมอนติคาร์โลมักใช้สำหรับการวางแผนทางการเงินส่วนบุคคลการประเมินผลงานการประเมินมูลค่าของพันธบัตรและตัวเลือกพันธบัตรและใน บริษัท หรือการเงินโครงการ แม้ว่าการคำนวณความน่าจะไม่ใช่เรื่องใหม่เดวิดบีเฮิร์ตซ์เป็นผู้บุกเบิกด้านการเงินครั้งแรกในปีพ. ศ. 2507 ด้วยบทความของเขา“ การวิเคราะห์ความเสี่ยงในการลงทุน” เผยแพร่ในรีวิวธุรกิจฮาร์วาร์ด Phelim Boyle ใช้วิธีการประเมินมูลค่าตราสารอนุพันธ์ในปี 1977 โดยตีพิมพ์บทความ“ ทางเลือก: วิธีมอนติคาร์โล” ในวารสารเศรษฐศาสตร์การเงิน เทคนิคนี้ยากที่จะใช้กับตัวเลือกของชาวอเมริกันและผลลัพธ์ขึ้นอยู่กับสมมติฐานพื้นฐานมีบางเหตุการณ์ที่การจำลองแบบมอนติคาร์โลไม่สามารถทำนายได้
การจำลองสถานการณ์มีข้อได้เปรียบที่แตกต่างหลากหลายในการวิเคราะห์ทางการเงินรูปแบบอื่น ๆ นอกเหนือจากการสร้างความน่าจะเป็นของจุดสิ้นสุดที่เป็นไปได้ของกลยุทธ์ที่กำหนดแล้ววิธีการกำหนดข้อมูลยังช่วยอำนวยความสะดวกในการสร้างกราฟและแผนภูมิส่งเสริมการสื่อสารที่ดีขึ้นของนักลงทุนและผู้ถือหุ้น การจำลองแบบมอนติคาร์โลเน้นถึงผลกระทบสัมพัทธ์ของแต่ละตัวแปรไปจนถึงบรรทัดล่างสุด เมื่อใช้การจำลองนี้นักวิเคราะห์ยังสามารถดูว่าชุดค่าผสมบางอย่างของชุดข้อมูลมีผลกระทบอย่างไรและมีปฏิสัมพันธ์ซึ่งกันและกัน การทำความเข้าใจเกี่ยวกับความสัมพันธ์แบบพึ่งพาซึ่งกันและกันระหว่างบวกและลบระหว่างตัวแปรทำให้การวิเคราะห์ความเสี่ยงมีความแม่นยำยิ่งขึ้น
การวิเคราะห์ความเสี่ยงด้วยวิธีนี้เกี่ยวข้องกับการใช้การแจกแจงความน่าจะเป็นเพื่ออธิบายตัวแปร การแจกแจงความน่าจะเป็นที่รู้จักกันดีคือเส้นโค้งปกติหรือเส้นโค้งซึ่งผู้ใช้สามารถระบุค่าที่คาดหวังและเส้นโค้งค่าเบี่ยงเบนมาตรฐานที่กำหนดรูปแบบได้ ราคาพลังงานและอัตราเงินเฟ้ออาจถูกอธิบายด้วยเส้นโค้งรูประฆัง การแจกแจงแบบ Lognormal แสดงให้เห็นถึงตัวแปรเชิงบวกที่มีโอกาสเพิ่มขึ้นไม่ จำกัด เช่นน้ำมันสำรองหรือราคาหุ้น Uniform, triangular และ discrete เป็นตัวอย่างของการแจกแจงความน่าจะเป็นอื่น ๆ ค่าซึ่งสุ่มตัวอย่างจากเส้นโค้งความน่าจะเป็นจะถูกส่งในชุดที่เรียกว่าการทำซ้ำ
